ChatGPT 与数字化转 型业财融合解决方案 总览 ChatGPT 业财融合 数字化企业 1 2 3 3 REA 模 型 WEB3.0 技术 ChatGPT 技 术 4 5 6 基于新技术结合的业财融合案例分享 7 ChatGPT 基于 OpenAI 的 GPT 架构，是一种生成式预训练变压器 （ Generative Pre-trained Transformer 计算智能（能存会算） - 感知智能（能听会说，能看会认） - 认知智能（能理解会思考，需要抽象和推理能力） 总览 ChatGPT 业财融合 数字化转型 1 2 3 6 REA 模 型 WEB3.0 技术 ChatGPT 技 术 4 5 6 基于新技术结合的业财融合案例分享 7 战略财务：战略财务是指在企业战略管理过程中，运用财务管理的方法和手段，对企业 战略目标、战略规划、战略 关键绩效指标（ KPI ）。业财融 合 平台可以通过整合业务和财务数据，帮助企业监控和分析这些 KPI ，从而实现战略目标。 战略地图：战略地图是一种视觉工具，用于展示企业战略目标之间的因果关系。业财融合平台可以利用战略地图，将业务和财务数据 与企业战略目标相对应，以提供更全面的决策支持。 战略解码：战略解码是将企业战略目标分解为具体的行动计划和任务的过程。业财融合平台可以通过数据分析，帮助企业确定最佳的

分析师 夏昌盛 SAC 证书编号：S0160522100002 xiacs@ctsec.com 相关报告 1. 《上市险企 5 月保费点评》 2023- 06-15 2. 《五年期存款将进入 2.5%时代，储蓄 险竞争力愈显》 2023-06-09 3. 《专属商业养老保险迎常态化经营， 个人养老金有望快速增长》 2023-05- 27 们认为，保险行业作为数字化、 智能化的先行者，在 B 端及 C 端掌握丰富的一手金融数据，且具备政策支持、 业务需求、财力支撑等核心现实基础，或可复制 BloombergGPT 路径，打造保 险领域的专业大模型，赋能保险业务全流程。 ❖ 海外保险机构 AI 大模型布局正加速推进，国内也有望实现 AI 技术的 迭代升级。海外方面，GPT 技术已从销售助理、智能客户、核保核赔等多场 景赋 面，近年来，我国大型保险机构持续关注科技投入，AI 技术已广泛应用于前 端销售、定损理赔、风控减损等领域，但主要仍以理解式 AI 为主，生成式 AI 仍在探索中。AI 大模型可从产品研发、渠道营销、运营管理等各方位实现保 险机构的全流程赋能，预计国内保险机构具备 AI 技术迭代升级的动力。 ❖ 中国平安：人工智能等核心技术布局市场领先，AI 大模型落地优势显 著。中国平安是业内领先的科技型保险公司，以人工智能、区块链、云、大数

天，其中约 30%的案例因资料不全或核损争议需反复沟 通，直接拉高运营成本约 20%。与此同时，客户对快速、透明理赔 服务的需求持续攀升，超过 65% “ ” 的投保人将 理赔效率 作为选择保 险公司的关键指标之一。 在此背景下，人工智能技术为理赔业务优化提供了新的可能 性。DeepSeek 大模型凭借其多模态理解、自然语言处理和复杂决 策能力，能够从以下维度重构理赔流程：首先，通过自动化单证识 史数据与规则引擎的深度学习模型，可实现对理赔案件的智能分级 与风险预判，准确率可达 92%以上；最后，通过动态生成个性化沟 通话术，显著提升客户服务体验。 为验证方案的可行性，某头部财险公司已在车险理赔场景完成 试点测试。结果显示，DeepSeek 大模型的应用使案件平均处理时 效提升 40%，人力成本降低 35%，同时将客户满意度从 78%提升 至 91%。这一成果表明，大模型技术不仅能够解决传统理赔业务的 均处理周期长达 5-7 个工作日，车险案件人工核损环节耗时占比超 40%。根据 2023 年行业白皮书数据，Top20 财险公司理赔纠纷投诉中，67% 源于时效延迟或核损偏差，直接推高运营成本—— 行业理赔管理费 用率中位数达 12.8%，较承保利润率高出 4.3 个百分点。 核心痛点集中在三个维度：首先，海量非结构化数据的处理能 力不足，医疗险中仅 CT 影像等医疗文件的人工解读就需要

保预测偏差率低于 3% 该方案已在试点机构完成 POC 验证，结果显示客服人力成本 降低 60%，同时客户满意度从 82 分提升至 91 分（满分 100）。下 一步将重点优化长尾场景覆盖，例如车险定损中的图像识别准确率 需从 89%提升至 95%以上。 1.1 保险行业现状与挑战 当前保险行业正处于数字化转型的关键阶段，传统业务模式面 临多重挑战。根据银保监会 2023 年数据，行业平均获客成本同比 认为保险条款复杂难懂，理赔流程平均耗时达 5.7 个工作日。 行业主要痛点可归纳为： - 服务效率瓶颈：人工坐席日均处理咨询量约 50-80 通，高峰时段 响应延迟超过 30 分钟 - 风险管控滞后：车险骗保识别依赖人工审核，误判率高达 18% - 个性化服务缺失：标准化的产品推荐匹配度不足，转化率低于 12% - 运营成本高企：培训新人代理平均投入超 2.3 万元/ 人， ROI 周期 长达 800ms，无法支撑实时风控需求。某头 部寿险公司测试数据显示，传统 OCR 识别投保单的差错率达 11.3%，且需要二次人工复核。 市场竞争格局呈现两极分化：前五大保险公司占据 73%市场份 额，中小险企在科技投入占比不足营收的 1.8%，数字化转型差距 持续扩大。监管趋严背景下，2024 年新实施的《保险销售行为管 理办法》对服务响应速度与信息披露提出更高要求，进一步加剧行 业升级压力。 1

医院运营智能体 所谓医院运营管理智能体，是指构建一个立体的、多域协同、精确判断和持续智能的系 统，它包括智能交互、智能连接、智能中枢和智慧应用四个主要层次。四个层次共同构 建了一个能够实现医院人、财、物全要素协同，医疗、服务、管理全场景智慧化的系统。 熙软科技的医院运营管理智能体在保有上述基础特征的情况下，围绕医院运营管理建设 进行重点突破，围绕 ODR 核心运营数据中心、ODSS 运营辅助决策、小熙 前业界也没有达成一致如何进行监管。 建议风险程度较高和不确定产品推动机构监管模式，开展软件机构预认证模式的试点， 由第三方机构进行相关伦理、安全人员等方面的认证，通过对机构的认证，减少相关风 险，同时可促进加快相关产品研发和使用。 CDSS 和 GPT 等风险较高且还未纳入监管的产品推动“机构监管”模式对于 NLP 类的辅 31 助决策系统和生成式人工智能产品，目前并不符合纳入人工智能医疗器械管理的范畴， Morgan 数据， 生物制药行业交易的预付款份额自 2020 年来呈下降趋势，其中 2024 年上半年的预付 款比例仅为 6%。药物研发的高风险高投入属性，小额预付款无疑降低了交易的经济风 险，该现象也反映了 MNC 在 BD 交易时日趋谨慎的态度。在此背景下，MNC 资金更多 流向 AI 医疗领域更是“用脚投票”，肯定了 AI 制药的价值。 据蛋壳研究院不完全统计，2024 年间截至

服务效率 人工处理耗时，响应延迟超过 30 分钟 实现 90%以上业务的实时自动化 处理 风险识别 依赖静态规则，新型风险漏报率超 40% 动态建模覆盖 95%以上的复杂风 险场景 个性化能力 标准化产品推荐转化率不足 15% 基于客户画像的精准推荐转化率 提升至 35% 从技术实现角度看，银行业务智能化需要突破以下关键能力： - 多模态数据处理：整合文本、语音、图像等非结构化数据，例如 化升级提供了突破性技术支撑。该模型在金融领域的应用潜力主要 体现在三个维度：首先，其千亿级参数规模与金融知识库的深度融 合，可实现对复杂金融术语、监管政策及市场动态的精准解析，例 如在信贷审批场景中，模型通过分析企业财报、行业研报及舆情数 据，可将风险评估维度从传统的 20 余项扩展至 150+项，显著提升 风险识别覆盖率。 在具体业务场景中，DeepSeek 展现出以下核心价值： 1. 智能 某城商行实施案例表明，智能体可将风险事件识别速 度提升 20 倍，误报率降低 65%。 内部运营场景聚焦于后台效率提升，主要包含： - 文档自动 化处理：合同解析、票据识别、财报生成 - 知识管理：监管政策 库更新、案例库建设、操作手册维护 - 员工培训：合规考试模 拟、产品知识问答、话术演练 - 监管报送：1104 报表自动生成、 反洗钱报告编制

of AI Assessment），可以让系统根据算法分析、风险评分或行为验证等方式治理决策；而机器人则 可替代“人+执法记录仪”的组合，基于预设的链上规则自动响应指令，完成资源分配、行为确认、财 产转移等操作，更精准、更可靠的实现从“数字规则”到“现实执行”的闭环。 ④ 数字/虚拟世界中，“用脚投票”的成本相较于现实世界要低得多，这会促使共识机制的修正更灵活、 更迅速；同时也有望缓解《 任何产品的要约出售/购买、招揽、推荐或建议。关于免责声明全文，请见本文件最后部分。 技术安全风险 根植于区块链底层架构 的潜在漏洞，包括智能 合约逻辑缺陷、共识机 制脆弱性及私钥管理风 险。 案例： ①2023 年 3 月硅谷银行（SVB）破产事件中，USDC 发行方次日披露的风险敞口导致其市场价格瞬时跌破 0.87 美元，虽在 24 小 时内恢复锚定汇率，但充分暴露了传统金融机构风险向稳定币市场的传染路径。 上，两党没有政治魄力与意愿收紧财政，稳定币只能延后债务问题爆发的时间，并不能解决核心问题  一味提升短债比例，将显著增加美债再融资风险，尤其是一旦稳定币出现信用风险或者脱钩事件，将带来更加广泛的风 险传染 此页载有机密数据，其全部成任何部分不可被复制成再发送。本页不构成对任何产品的要约出售/购买、招揽、推荐或建议。关于免责声明全文，请见本文件最后部分。 21 3. 稳定币对美元霸权地位的影响

分模型将更加精准和智能化，助力金融机构在风险控制和业务拓展 中找到更好的平衡点。 3.2 财务报表分析 在金融贷款评估的传统方法中，财务报表分析是最为核心且基 础的一环。通过对企业或个人的财务报表进行深入剖析，评估其财 务状况、盈利能力、偿债能力及现金流状况，从而为贷款决策提供 数据支持。财务报表主要包括资产负债表、利润表和现金流量表， 这些报表共同构成了分析的主体框架。 首先，资产负债表是评估借款人财务状况的起点。通过对资产、 收入证明、消费行为、社交网络信息等，构建全面的客户画像。通 过机器学习算法，DeepSeek 能够从这些数据中提取关键特征，如 客户的还款能力、信用风险偏好、消费习惯等，进而生成精准的风 险评估模型。 其次，DeepSeek 的应用方案还包括自动化贷款审批流程。传 统贷款审批依赖于人工审核，耗时且容易出现主观偏差。 DeepSeek 通过自动化流程设计，可以实现贷款申请的实时处理。 在金融贷款评估中的模型评估与优 化过程得以系统化和科学化，确保模型在实际应用中能够提供准确、 可靠和可解释的预测结果。 4.3.1 评估指标 在金融贷款评估中，模型的表现直接决定了决策的准确性和风 险控制的有效性。因此，选择合适的评估指标至关重要。首先，准 确率（Accuracy）是最直观的指标，它反映了模型正确预测贷款违 约与否的比例。然而，在金融贷款场景中，违约事件往往属于少数 类，仅依

技术在税务稽查中的应用主要体现在以 下几个方面：  数据预处理：通过自动化工具对原始财务数据进行清洗和标准 化处理，确保数据的完整性和一致性。  异常检测：利用深度学习算法识别财务数据中的异常模式和风 险点，如不合理的交易金额、异常的账务处理等。  风险评分：根据预设的风险模型，对每笔交易或每家企业进行 风险评分，帮助稽查人员优先处理高风险案件。  可视化分析：通过交互式的可视化工具，将复杂的数据分析结 将更多精力集中于高价值案件，避免资源浪费在低风险或无风险的 事务上，从而降低整体稽查成本。 此外，该系统还将提升税务部门的合规管理水平。通过对税务 数据的实时监控与分析，系统能够及时发现并预警潜在的合规风 险，帮助企业规范税务行为，减少因税务问题引发的法律纠纷和经 济损失。 具体实施过程中，DeepSeek 的应用将围绕以下几个方面展 开： - 数据整合：将税务部门内部的各类数据源进行统一整合，确 态调整稽查策略。例如，通过以下 mermaid 流程图展示分析过 程： 通过以上技术手段，DeepSeek 的智能分析模块不仅能够提升 税务稽查的效率和准确性，还能为企业提供合规建议，降低税务风 险。 2.3 DeepSeek 在税务稽查中的优势 DeepSeek 技术在税务稽查中的优势主要体现在其强大的数据 处理能力和智能化分析功能，能够显著提升稽查效率与准确性。首 先，DeepSeek

就像一个“疏通管道的专家”，有能力深入企业的 IT 架构和业务流程的“毛细血管”——看懂非结构化的数据，理解各个环节的语境，把堵 在 各个节点的人、物、财、资信息打通，让正确的数据，在正确的时间，找到正确的人和系统。 供应采购 生产工艺 加工订单 仓储管理 间、部门内容之间的沟通更为顺畅 数据 4 类数据流 人 物 财 资 数据流在人、物、财、资中无处不在，却常常割裂在不同的部门和 IT 系统里，造成“堵点” 原材料 • 核心 / 非核心材 料 • 物流 • …… • …… 应收账款 • 流程审批 • 网银转账 • …… 采购及销售 物 财务 资 资 企业内部 财 生产部门 企业流 程示例 供 应 商 客 户 物 财 AI Agent 通过数字员工与系统重构，试图去实现“以人为本” 的数字流程建设 物流 行政 设计 资金管理 产品开发 开发 战略决策 用户反馈